tobias-goerke.de Open in urlscan Pro
185.199.108.153  Public Scan

Form analysis
0 forms found in the DOM

Text Content

You need to enable JavaScript to run this app.
Show navigationHide navigation
 * Home
 * Über mich
 * Résumé
 * Projekte und Links
 * Kontakt


ICH BIN TOBIAS GOERKE


EIN MÜNSTERANER MLOPS ENGINEER.

 * 
 * 
 * 




ÜBER MICH

Als Data Scientist berate ich Firmen im Umkreis von Münster. Hierbei liegt mein
Fokus auf der Einführung künstlich intelligenter Systeme und der Fragestellung,
wie diese sowohl inhaltlich als auch organisatorisch in bestehende Strukturen
integriert werden können.


KONTAKTDATEN

Tobias Goerke
Münster, NRW
tobias.goerke@gmail.com


BERUFSERFAHRUNG


UNTERNEHMENSBERATER

viadee Unternehmensberatung AG•März 2019 - Heute

Projektarbeit Data Science mit Fokus Explainable AI und MLOps


WISSENSCHAFTLICHE HILFSKRAFT

Westfälische Wilhelms-Universität Münster•Sept. 2018 - März 2019

Blockchain Research


WERKSTUDENT

EXEC Software Team GmbH•2014 - 2016

Softwareentwicklung Java EE


AUSBILDUNG


M.SC. INFORMATION SYSTEMS

Westfälische Wilhelms-Universität Münster•Dez. 2018

Fokus: Business Networks & Information Systems Development
Thesis: Analyzing and Extending Anchors – A Model-Agnostic ML Explanation
Approach


AUSLANDSSEMESTER

Universität Liechtenstein•2017-2018

Data Science & Business Process Management



B.SC. WIRTSCHAFTSINFORMATIK

Westfälische Wilhelms-Universität Münster•Sept. 2016

Fokus: Mobile application development & Logistics



SONSTIGES

KUBESTRONAUT

CERTIFICATION: CERTIFIED KUBERNETES SECURITY SPECIALIST (CKS)

CERTIFICATION: CERTIFIED KUBERNETES ADMINISTRATOR (CKA)

CERTIFICATION: CERTIFIED KUBERNETES APPLICATION DEVELOPER (CKAD)

CERTIFICATION: CERTIFIED KUBERNETES APPLICATION DEVELOPER (KCSA)

CERTIFICATION: KUBERNETES AND CLOUD NATIVE ASSOCIATE (KCNA)

CERTIFICATION: TENSORFLOW DEVELOPER

CERTIFICATION: PROFESSIONAL SCRUM MASTER

BETA GAMMA SIGMA MEMBER


SKILLS

 * Tensorflow
 * Python
 * Kubeflow / MLOps
 * Kubernetes
 * Go
 * Java
 * Spring (Boot)
 * React / Typescript


PROJEKTE UND LINKS

 * Blog
   Prompt Programming mit DSPy
 * Blog
   MLOps: Hightech made in Lingen
 * Blog
   LibreChat - AI Chat Platform
 * Blog
   KServe und LangChain
 * Artikel (Informatik Aktuell)
   How To: Kubeflow-Einführung
 * Talk (YouTube)
   DataHub Erfahrungsbericht
 * Artikel
   Explainable AI erklärt (Red Stack Magazin)
 * Podcast
   Datenbusiness Podcast: LLMs, RAGs & MLOps
 * Blog
   LLM Embeddings & Fine-Tuning
 * Blog
   Llama-2 Copilot
 * Artikel
   DataHub (BigData Insider)
 * Open Source
   Kubeflow Volumes Viewer
 * Open Source
   Tus.io Protocol Integration
 * Blog
   Kubeflow @ Provinzial
 * Blog
   Kubernetes Operator
 * Blog
   Das Krisensentiment
 * Blog
   ML in der Logistikbranche
 * Blog
   XAI & Anchors
 * Talk (YouTube)
   Cloud Native KI mit Kubeflow
 * Blog
   Halting Faulty Models ahead of Disaster
 * Gastbeitrag
   Scoped Rules (Anchors)
 * Blog
   Explainable AI goes Titanic
 * Publikation
   Hanseatic Governance
 * Anwendung
   CryptoWidget
 * Anwendung
   StockWidget
 * Publikation
   Trace Clustering @ TIMOCOM
 * Anwendung
   CryptoTiles
 * Anwendung
   StockTiles
 * Open Source
   Anchors (XAI)

PROMPT ENGINEERING IST TOT - LANG LEBE DAS MODEL PROGRAMMING (DSPY)

Unsicher welcher Prompt der richtige für die eigene LLM-Anwendung ist? RAG- oder
Agentensysteme, die Anweisungen von Prompt-Templates ignorieren oder sensibel
auf dessen Änderungen reagieren? Unschlüssig, welche Few-Shot-Beispiele
verwendet werden sollen? All diesen Herausforderungen begegnen Data Scientists
regelmäßig; insbesondere bei der Optimierung, dem Debuggen oder dem Ausrollen
von LLM-Systemen. Ein neues Tool namens DSPy, das dem Ansatz des Prompt
Programmings folgt, bietet eine Lösung. Denn es hilft, optimierte Prompts
automatisch zu generieren - ganz ohne vordefinierte Anweisungen. Dadurch werden
Prompt-Templates aus der Entwicklung verbannt und zusätzlich die Performance der
Anwendung optimiert.

DetailsSchließen

MLOPS: HIGHTECH MADE IN LINGEN

Die Schweizer ROSEN Gruppe nutzt modernste Technologien, um kleinste Risse und
Korrosionsschäden in Öl- und Gasleitungen sowie diversen anderen industriellen
Anlagen und Strukturen zu erkennen. Gemäß dem Leitmotiv 'Spitzentechnologien zum
Schutz von Mensch und Umwelt' können Kunden des
Pipeline-Inspektions-Weltmarktführers somit seit 1981 ihre Infrastrukturen
prädiktiv untersuchen lassen. Die Grundlage des Geschäftsmodells bildet das
Sammeln und Auswerten von Daten mittels autonomer Inspektions- und Messtechnik,
die das Unternehmen selbst an seinen weltweiten Standorten entwickelt, herstellt
und auch selbst einsetzt. So konnte das Unternehmen in mehr als 40 Jahren über
zwei Millionen Pipeline-Kilometer weltweit hochauflösend abtasten und
inspizieren. Die ROSEN Gruppe geht aber noch einen Schritt weiter und verkauft
die Rohdaten nicht einfach an die Auftraggeber wie Infrastrukturbetreiber. Die
Daten werden von den Datenspezialisten in Lingen auch ausgewertet, analysiert
und interpretiert. Mit dieser Strategie stellt der Markt- und Technologieführer
in diesem Sektor die datengetriebene Entscheidungsunterstützung und -findung in
den Mittelpunkt.

DetailsSchließen

DIE EIGENE AI CHAT PLATFORM POWERED BY LIBRECHAT

Intelligente Chat-Tools sind aus der modernen Arbeitswelt nicht mehr wegzudenken
und Unternehmen bieten ihre produktivitätssteigernden Potenziale zunehmend
gezielt ihren Mitarbeitenden an. Hierfür eignet sich insbesondere die Einführung
einer eigenen, internen Lösung, um die sichere und datenschutzrechtlich konforme
Nutzung der KIs zu gewährleisten. Denn ein fehlendes Angebot der intelligenten
Helfer bedeutet meist die wesentlich riskantere Nutzung externer Dienste durch
die Hintertür. Eine innovative AI Chat Plattform namens LibreChat erleichtert
uns mit einer ChatGPT-ähnlichen Oberfläche die Einführung solcher KI-Tools: Das
Open Source Produkt bietet Funktionen von intelligenten Chats bis zur
Integration eigener GenAI-Anwendungen - und das alles ohne das Schreiben einer
einzigen Zeile Code! In diesem Blogbeitrag geben wir einen tieferen Einblick in
LibreChat und teilen unsere Erfahrungen, die wir während der Implementierung von
viadeeGPT auf Basis von LibreChat gesammelt haben.

DetailsSchließen

PRODUKTIVE ML-MODELLE MIT KUBERNETES UND KSERVE ON-PREMISES BETREIBEN

KI-Modelle werden zunehmend in Produkten und Dienstleistungen eingesetzt. Durch
die hohen Anforderungen und Komplexität dieser Modelle ist die Produktivsetzung
jedoch oft eine Herausforderung. In diesem Blog zeigen wir, wie das Kubernetes
Framework KServe die Bereitstellung von ML-Modellen auf der eigenen
Infrastruktur vereinfacht und beschreiben die reproduzierbare Implementierung
eines hochskalierbaren KI-Web-Servers. Als Beispiel dient ein eigens
entwickeltes Retrieval-Augmented Generation System (RAG) auf das Basis von
LangChain, das die spezifische Frage nach den Teilnehmern unserer
NAVIGATE-Konferenz souverän beantwortet: 'According to my sources, there were
850 Participants (a new record for the organizer), 54 Speakers ...'

DetailsSchließen

MLOPS-EINFÜHRUNG LEICHT GEMACHT MIT KUBEFLOW

In den vergangenen Jahren hat die MLOps-Plattform Kubeflow deutlich an
Popularität gewonnen. Nun dürften weitere Unternehmen das Open-Source-Produkt
durch seine Aufnahme in das CNCF-Incubator-Projekt und die damit verbundene
Entwicklung hin zum Branchenstandard als Grundgerüst ihrer ML-Infrastruktur in
Betracht ziehen. Doch wie gelingt die herausfordernde Einführung des hinreichend
komplexen Open-Source-Systems? Wie können diverse Aspekte, wie User-Experience,
IT-Sicherheitsfragen und Compliance bedarfsgerecht umgesetzt werden? In diesem
Artikel beleuchten wir das Kubeflow-Ökosystem sowie verschiedene Aspekte und
Überlegungen, die bei der Einführung der Kubeflow-Plattform berücksichtigt
werden müssen. Hierbei berichten wir aus unseren mehrjährigen Erfahrungen des
Kubeflow-Cluster-Managements. Dabei gehen wir sowohl auf organisatorische als
auch technische Aspekte ein, nennen infrastrukturelle und personelle
Anforderungen sowie angemessene Ansätze für das Management von
Manifest-Modifikationen und die Bereitstellung von Notebook-Umgebungen für Data
Scientists.

DetailsSchließen

EFFIZIENTE DATENVERWALTUNG UND GOVERNANCE, ERFAHRUNGEN AUS DER IMPLEMENTIERUNG
EINES DATAHUBS

Moderne Plattformen wie DataHubs bieten praktische Werkzeuge zur effizienten
Datenverwaltung und Governance. Diese Plattformen versprechen, eine bedeutende
Rolle in der nächsten Generation des Datenmanagements zu spielen, indem sie
Unternehmen dabei unterstützen, datenbasierte Strategien wie Data-Mesh
erfolgreich umzusetzen. Dieser Vortrag teilt praxisnahe Erfahrungen aus der
Implementierung eines DataHubs und betont dessen strategische Relevanz für die
gesamte Datenstrategie eines Unternehmens. Es werden Cloud-Architekturen
vorgestellt, die dazu beigetragen haben, die dezentrale Struktur des
Unternehmens abzubilden. Zudem werden Wege aufgezeigt, die mittels
Containertechnologien helfen, selbst nicht unterstützte Datenquellen wie RavenDB
erfolgreich zu integrieren. Weitere Infos gibt es auch im BigData-Insider
Artikel:
https://www.bigdata-insider.de/datahub-die-zukunft-der-unternehmensweiten-datenstrategie-a-3aaa1ea99b1d8eb0aa901acab741950c/

DetailsSchließen

EIN BLICK IN DIE BLACK-BOX: EXPLAINABLE AI (XAI) ERKLÄRT

Machine-Learning-Modelle (ML-Modelle) finden in einem enormen Tempo Einzug in
unseren Alltag und werden für Prognosen, datengetriebene Entscheidungen oder
Generierung von Inhalten genutzt. Um die gewünschte Genauigkeit der Vorhersagen
zu erreichen, werden statt menschenverständlicher Entscheidungssysteme oftmals
komplexe Verfahren wie tiefe neuronale Netze (DNNs) verwendet, deren
Entscheidungen aufgrund ihrer inhärenten Komplexität unverständlich und nicht
nachvollziehbar sind. Der Bereich der Explainable AI (XAI) versucht, das Problem
fehlender Transparenz von ML-Modellen zu adressieren und die Ergebnisse für den
Menschen verständlich zu machen. In diesem Artikel wird das Potenzial von XAI
erschlossen und einige exemplarische XAI-Methoden kurz vorgestellt. Im Anschluss
werden Kriterien aufgeführt, die bei der Auswahl einer passenden XAI-Methode zu
beachten sind. Abschließend werden allgemeine Handlungsempfehlungen für die
Sicherstellung interpretierbarer ML-Modelle innerhalb eines Entwicklungs- und
Deployment-Workflows gegeben.

DetailsSchließen

DATENBUSINESS PODCAST #159 MIT DR. FRANK KÖHNE & TOBIAS GOERKE VON DER VIADEE |
LLMS, RAG, MLOPS

Mein Kollege Dr. Frank Köhne und ich waren zu Gast beim datenbusiness Podcast
und haben über die viadee, LLMs, RAG und MLOps gesprochen. Ein Videocast der
Folge ist auf Youtube zu finden (https://www.youtube.com/watch?v=Uz9YNGiN9pY).
Folgenbeschreibung: IT-Unternehmensberatung mit ganz besonderer Kultur. Die
viadee steht seit 1994 für Unabhängigkeit, fachliches Know-how und
Innovationsfreude. Mit mehr als 200 Mitarbeiter:innen an den Standorten in
Münster, Köln und Dortmund berät die viadee namhafte Unternehmen aus
unterschiedlichen Branchen in allen Phasen der Softwareentwicklung. Die
Dienstleistungen reichen von der Entwicklung komplexer Anwendungssysteme über
den Aufbau der IT-Architekturen bis zur Optimierung der Geschäftsprozesse, alles
maßgeblich gesteuert durch Qualitäts- und Projektmanagement. Im heutigen
Gespräch erfahren wir mehr über die viadee und unterhalten uns weiter über die
fachlichen Themen rund um LLMs, RAG sowie MLOps.

DetailsSchließen

VON CHAT WITH YOUR DATA BIS CHATGPT MIT EMBEDDED & FINE-TUNED LLMS

Large Language Models (LLMs) wie ChatGPT können viele Herausforderungen, wie das
Schreiben von Texten und Code, von Haus aus bewältigen. Doch haben sie im
Normalfall keinen Zugriff auf eigene bzw. unternehmensinterne Daten. Was also,
wenn ihnen Informationen fehlen und sie falsche Antworten liefern? In diesem
Beitrag untersuchen wir die Lösungsansätze Embedding bzw. Retrieval Augmented
Generation und Fine-Tuning, um spezifisches Kontextmaterial bereitzustellen und
Anwendungsfälle vom Typ 'Chat with your Data' zu ermöglichen. So können LLMs auf
neuem Terrain eingesetzt werden und mit mehr Zuversicht in die Produktion gehen.

DetailsSchließen

SELF-HOSTED CODE-COPILOT MIT LLAMA-2

Längst ist der Entwickleralltag durch Machine Learning und Large Language Models
(LLMs) geprägt. Bislang führte OpenAI die populärsten KI-Tools ein und sicherte
sich durch einen Vorsprung in Forschung und Entwicklung eine führende Position
im Bereich KI-Anwendungen. Dank ihrer Modelle GPT und Codex konnten sie
Anwendungen wie ChatGPT und GitHub Copilot ermöglichen. Diese wurden
weitreichend adaptiert und führen bei Entwickler:innen zu teilweise erheblichen
Produktivitätssteigerungen. Nun holt OpenAIs Konkurrenz auf und durchbricht das
Monopol mit der Veröffentlichung verschiedener Alternativmodelle. Insbesondere
der Konzern Meta geht mit gutem Beispiel voran und stellt sein Modell Llama-2
kostenlos zur Verfügung – solange es nicht von Anwendungen mit mehr als 700
Millionen Nutzer:innen genutzt wird. In vielen Disziplinen erreicht Llama-2 eine
mit GPT-4 vergleichbare Leistung, wie Metas wissenschaftliche Publikation
belegt. Somit steht Unternehmen, die nicht länger von Anbietern wie OpenAI
abhängig sein möchten oder können, endlich eine wahre Alternative zur Verfügung.
In diesem Artikel wird beleuchtet, wie das Llama-2 Modell auf
unternehmenseigener Infrastruktur bereitgestellt werden kann. Auf diesem Wege
kann auch das am 24.08.2023 von Meta veröffentlichte Code Llama Modell, das
speziell für diesen Anwendungsfall erstellt wurde, genutzt werden. Darüber
hinaus wird anhand eines VSCode-Plugins veranschaulicht, wie die KI zur
Steigerung der Produktivität integriert werden kann.

DetailsSchließen

DATAHUB: DIE ZUKUNFT DER UNTERNEHMENSWEITEN DATENSTRATEGIE? (BIGDATA INSIDER,
06.09.2023)

Durch die zunehmende Bedeutung von Daten wird ein reibungsloser Umgang mit ihnen
immer wichtiger. Die zentrale Verwaltung und Bereitstellung von (Meta-)Daten
spielen dabei entscheidende Rollen. Moderne Daten-plattformen wie DataHub
versprechen Unterstützung, indem sie als zentrale Instanzen Beschreibungen und
Dokumentationen von Datenquellen verschiedener Geschäftseinheiten zusammenführen
und so eine unterneh-mensweite Datenstrategie befähigen. Dieser Beitrag
berichtet von unseren Projekterfahrungen im Aufbau solcher DataHub-Instanzen.
Wir erläutern ihre datenstrategische Bedeutung und erklären, wie die
Plattformlösung wertschaffend für Unternehmen einge-setzt werden kann. Zudem
berichten wir über typische Probleme, die bei der Integration der Plattform
auftreten können. Schlussendlich diskutieren wir architekturelle Überlegungen
für dezentrale Datenstrukturen und zeigen, wie selbst semistrukturierte, bislang
nicht durch DataHub unterstützte Datenquellen angebunden werden können.

DetailsSchließen

KUBEFLOW: RE-INTRODUCING THE VOLUMES VIEWER

Im Rahmen einer Open-Source contribution für das Kubeflow v1.8 release habe ich
den sog. Volumes Viewer entwickelt und integriert, der es Nutzer:innen sehr
einfach macht, mit Hilfe eines Filebrowsers Daten ins bzw. aus dem Cluster zu
laden. Hierdurch werden bekannte Hindernisse im Umgang mit Daten und Kubernetes
überwunden.

DetailsSchließen

FILEBROWSER: INTEGRATING TUS.IO FOR RESUMABLE AND CHUNKED UPLOADS

Damit für Nutzer:innen des Filebrowser-Projekts große Uploads nicht an
Proxy-Limitationen scheitern, habe ich das tus.io Protokoll in den Filebrowser
integriert. Durch dieses fast einjährige Nebenprojekt können Uploads nun in
mehreren, kleinen Teilen erfolgen. Abgebrochene Uploads können wiederaufgenommen
werden. Der Beitrag war motiviert durch die Entwicklung des Kubeflow Volumes
Viewer.

DetailsSchließen

KUBEFLOW @ PROVINZIAL: AUFBAU EINER MODERNEN MACHINE LEARNING UND
MLOPS-PLATTFORM IM VERSICHERUNGSWESEN

KI-Methoden und insbesondere Machine Learning-Ansätze können viele
Anwendungsfälle in Unternehmen effizienter gestalten - dieses Potenzial
identifizierte die Provinzial Holding AG bereits frühzeitig. Der Wunsch, diese
neuartigen Verfahren in den produktiven Einsatz zu bringen und in bestehende
Produkte zu integrieren, gestaltete sich jedoch anspruchsvoll in seiner
Realisierung. Wie hat also ein Unternehmen, welches in seiner Größenordnung den
Top-10 Versicherern Deutschlands angehört, es geschafft, seine KI-Initiativen
und Methoden konzernweit zu konsolidieren?

DetailsSchließen

DAS OPERATOR PATTERN IN KUBERNETES

Operator in Kubernetes sind allgegenwärtig und unverzichtbar. Doch was sind
Operator und wie können wir sie nutzen, um das eigene Cluster um Funktionalität
zu erweitern? Wie nutzt Kubernetes dieses Pattern, um z.B. Pods aus Jobs zu
erzeugen? Wir führen durch die Begrifflichkeiten und erklären, wie Operator,
Controller und Custom Resources zusammenspielen. Zudem stellen wir verschiedene
Frameworks vor, mit denen eigene Controller entwickelt werden können, wodurch
sich das Management des Clusters vereinfacht.

DetailsSchließen

KRISENSENTIMENT - WIE SIE STIMMUNGEN IN SOZIALEN MEDIEN ERKENNEN

Gestalten Sie Teile Ihrer Unternehmenskommunikation in sozialen Medien, dann
kommen Sie um eine Auswertung der entstehenden Kommentare nicht herum. Ein
nützliches Tool hierfür ist die Sentimentanalyse, mittels welcher sich die
Stimmung oder die Gefühlslage aus Texten extrahieren lässt. Somit erfahren Sie,
wie die aktuelle Kampagne die Außenwirkung Ihres Unternehmens beeinflusst, und
können reagieren, wenn die Stimmung kippt. Am realen Beispiel des viadee
Yammer-Netzwerkes behandelt der Artikel das grundsätzliche Vorgehen einer
semantischen Sentimentanalyse von Texten.

DetailsSchließen

MACHINE LEARNING IN DER LOGISTIKBRANCHE: WEGBEREITER IN EINE OPTIMIERTE ZUKUNFT

Als marktführender IT-Dienstleister für alle am Transportprozess beteiligten
Parteien positioniert sich TIMOCOM als Partner der Kunden, mit dem Ziel,
Prozesse zu verschlanken, zu vernetzen und zu digitalisieren. Die
Erfolgsgeschichte des Unternehmens reicht dabei viele Jahre zurück bis zur
Firmengründung der „TimoCom Soft- und Hardware GmbH“ im Jahr 1997. Damals
erkannte Jens Thiermann, einer der beiden namensgebenden Firmengründer, dass das
Auffinden von Ladungen und die Auslastung von LKW eine große Herausforderung
darstellen. Die Lösung wurde in der Entwicklung einer digitalen Fracht- und
Laderaumbörse gefunden und umgesetzt, über die Rückladungen gesucht und
Leerfahrten verringert werden konnten. Mittlerweile unter TIMOCOM GmbH
firmierend, ist daraus ein Smart Logistics System mit weiteren Anwendungen, sog.
Smart Apps, z. B. zur digitalen Auftragsabwicklung und GPS Tracking, gewachsen.
Mit diesem System unterstützt TIMOCOM mehr als 43.000 Unternehmen aus ganz
Europa täglich bei der Bewältigung komplexer Prozesse der Transportlogistik.

DetailsSchließen

MACHINE LEARNING MODELLE ERKLÄRBAR MACHEN MIT ANCHORS

Sowohl bei der Entwicklung als auch bei der Verwendung von
Machine-Learning-Modellen steht man vor mehreren Herausforderungen: Die Modelle
müssen validiert und Vertrauen muss geschaffen werden. Sofern es außerdem um
automatisierte Entscheidungen geht, müssen einzelne Vorhersagen bzw.
Entscheidungen erklärt werden. Dazu haben Marco Tulio Ribeiro, Sameer Singh und
Carlos Guestrin in 2018 den Algorithmus Anchors entworfen.

DetailsSchließen

CLOUD NATIVE KI: MLOPS MITHILFE DER KUBEFLOW PLATTFORM

Dieser Talk beleuchtet typische Probleme und Ansprüche, die Machine Learning
Projekten vor ihrem Release bevorstehen. Zudem wird gezeigt, wie MLOps-Techniken
und Methoden helfen können den Ansprüchen gerecht zu werden. Hierfür wird
insbesondere Googles Cloud-Native ML Plattform „Kubeflow“ vorgestellt. Diese hat
keinen geringeren Anspruch, als den gesamten ML-Projektlebenszyklus durch
skalierbare Workflows zu begleiten, Modell-Deployments zu vereinfachen und somit
den professionellen Betrieb von KI-Projekten zu ermöglichen.

DetailsSchließen

EXPLAINABLE AI OR HALTING FAULTY MODELS AHEAD OF DISASTER

A brief overview of a new method for explainable AI (XAI), called anchors,
introduce its open-source implementation and show how to use it to explain
models predicting the survival of Titanic passengers.

DetailsSchließen

INTERPRETABLE MACHINE LEARNING BOOK: SCOPED RULES (ANCHORS)



DetailsSchließen

EQUIPPING TITANIC WITH ANCHORS: HALTING FAULTY MODELS AHEAD OF DISASTER



DetailsSchließen

HANSEATIC GOVERNANCE: UNDERSTANDING BLOCKCHAIN AS ORGANIZATIONAL TECHNOLOGY

Blockchain technology provides a distributed ledger and is based on a logic of
peer to peer authentication. It gained prominence with the rise of
cryptocurrencies but provides a much broader field of possible applications.
While it has been originally closely linked to a libertarian agenda rejecting
organizations, its developments have illustrated that this ideological framing
is being reversed in practice. Based on contrastive empirical cases, the purpose
of our paper is to discuss blockchain as an organizational technology. Its
peculiar mode of governance, which we name ‘Hanseatic', needs to mediate between
the fluidity typical of Free and Open Source Software development and the
immutability that use organizations adopt blockchain for.

DetailsSchließen

CRYPTOWIDGET

CryptoWidget is the first Gear app to provide you with real-time information and
charts about your favourite cryptocurrency directly on your watch.

DetailsSchließen

STOCKWIDGET

StockWidget is the first gear app that provides you with real-time stock quotes
and charts of your favorite stocks directly on your watch.

DetailsSchließen

TRACE CLUSTERING FOR AN ONLINE FREIGHT EXCHANGE AT TIMOCOM

To guarantee a high level of customer satisfaction, providers of highly
frequented platforms strive to continuously improve their application design.
One promising potential to discover issues regarding the application design and
at the same time consider the heterogeneity of different users lies in the
clustering of traces and the examination of the corresponding process models. In
order to leverage this potential, this study investigates how large-scale event
logs can be preprocessed and clustered in order to enable cluster-specific
application design by examining an event log of an online freight exchange.
Using the Action Design Research approach, which allows a joint shaping of a
solution with practitioners, a pipeline is developed, which enables the
preprocessing of large-scale event logs and the execution of three trace
clustering approaches. The investigation of the resulting clusters in the form
of process models delivers valuable insights into customer behavior, helps to
identify weaknesses and improvement possibilities of the platform and thereby
provides a basis to support application design.

DetailsSchließen

CRYPTOTILES

CryptoTiles provides Tiles that let you view charts and prices of all the
cryptocurrencies you are interested in directly on your Wear OS watch.

DetailsSchließen

STOCKTILES

StockTiles provides Tiles that let you view charts and prices of all the stock
assets you are interested in directly on your Wear OS watch.

DetailsSchließen

IMPLEMENTIERUNG DES ANCHORS ERKLÄRERS FÜR MASCHINELLE LERNER IN JAVA

In meinster Masterarbeit beschäftigte ich mich mit erklärbarem maschinellem
Lernen und untersuchte hierfür einen spezifischen Algorithmus, genannt Anchors.
Die bis dato erste Anchors Implementierung in Java habe ich der Open-Source
Community auf GitHub zur Verfügung gestellt.

DetailsSchließen


SAG HALLO!


Ich freue mich auf Deine Nachricht unter:
tobias.goerke@gmail.com

Mail Schreiben

 * 
 * 
 * 

 * © Tobias Goerke 2024